Meilleurs 50+ agents IA open source répertoriés

Tout le monde construit des agents IA, donc après avoir testé en conditions réelles les agents de codage IA populaires, les constructeurs d'agents IA et les benchmarks d'utilisation d'outils pour évaluer leurs capacités en conditions réelles, nous avons établi une liste organisée des meilleurs 50+ agents IA open source. Cliquez sur les en-têtes de catégorie pour accéder directement à nos meilleurs choix :

Comment penser les agents IA ?

Un agent IA est un système composable qui combine planification, mémoire, utilisation d'outils et exécution itérative. Il forme une boucle structurée autour d'un LLM capable de prendre des décisions, d'effectuer des actions et de s'adapter à de nouvelles informations.

Voici comment les appréhender :

• Autonomie et workflows : Les agents IA vont de l'automatisation de tâches de base basée sur des workflows prédéfinis à des systèmes entièrement autonomes capables de décomposition d'objectifs, d'utilisation de la mémoire et d'interaction avec des outils. Le principal défi technique réside dans le maintien du contexte entre les étapes et la coordination d'opérations multi-étapes.
• Contexte et contrôle : Le véritable défi des agents IA est de garantir que le LLM dispose du contexte approprié à chaque étape. Cela inclut la gestion du contenu fourni au LLM et la garantie que l'agent exécute des tâches pertinentes en fonction d'un contexte à jour.
• Intégration des outils : La création d'agents efficaces nécessite une intégration transparente avec des outils externes, des APIs et des sources de données. Des frameworks comme LangChain peuvent aider à intégrer ces ressources externes, mais le contrôle du workflow est essentiel pour adapter le comportement de l'agent à de nouvelles entrées.
• Avantages des frameworks d'agents : Tous les systèmes agentiques, qu'il s'agisse de workflows simples ou d'agents autonomes complexes, peuvent bénéficier des fonctionnalités de base fournies par les frameworks agentiques. Ces fonctionnalités peuvent être développées à partir de zéro ou exploitées à partir d'une plateforme open source existante, selon vos besoins.

Nouvelles normes

• Model Context Protocol (MCP) : La norme industrielle pour la manière dont les agents communiquent avec des sources de données externes. LangGraph intègre MCP pour permettre aux agents de se connecter et d'utiliser des bases de données et des outils locaux sans wrappers personnalisés.
• Stripe Agentic Commerce Protocol (ACP) : Il s'agit de la première norme industrielle en production qui permet aux agents IA de gérer les paiements, les stocks et l'expédition en toute sécurité. Elle permet le « Agentic Checkout », où l'agent peut finaliser un achat pour l'utilisateur dans une interface de chat.

Qu'est-ce qu'un agent IA exactement ?

Il n'existe pas de définition consensuelle de ce qui constitue un « agent IA ».

• L'IA traditionnelle définit les agents comme des systèmes qui interagissent avec leur environnement.
• L'enquête de Simon Willison auprès des praticiens présente une variété de définitions de travail de la part des acteurs de l'industrie.²
• d'Anthropic définition expose les principes de conception pour construire des agents IA efficaces et alignés.³
• Les grands cabinets de conseil soulignent le rôle des agents dans l'automatisation des workflows métier et la prise de décision.⁴ .

Beaucoup d'entre eux placent explicitement les workflows et l'autonomie à l'extrémité d'un spectre.

Nous partageons ces points de vue, c'est pourquoi nous ne fournissons pas de définition stricte. À la place, nous listons les facteurs qui font qu'un système IA est considéré comme plus agentique :

• Environnement et objectifs :
  • Les systèmes IA dans des environnements complexes, comme ceux avec de multiples tâches et des changements imprévus, sont agentiques.
  • Les systèmes IA qui suivent des objectifs sans être instruits sont agentiques.
• Interface utilisateur et supervision : Les systèmes IA capables d'apprendre les langues naturelles et les systèmes nécessitant moins de supervision de l'utilisateur sont agentiques.
• Conception du système : Les systèmes qui utilisent des motifs de conception tels que l'utilisation d'outils (par ex., recherche web, programmation) ou la planification (par ex., réflexion, décomposition en sous-objectifs) sont agentiques.

Pour une explication plus détaillée, nous avons précédemment listé ces facteurs et discuté de la manière dont ils définissent les systèmes IA agentiques.

Ces agents sont-ils entièrement autonomes ?

Pas encore. La plupart des agents IA open source améliorent l'autonomie du LLM en permettant l'utilisation d'outils, la prise de décision et la résolution de problèmes, mais ils nécessitent toujours des entrées structurées et une intervention humaine.

Des exemples comme Devon et PR-Agent suivent une logique prédéfinie ou des workflows RL plutôt que de démontrer un comportement entièrement agentique. D'autres agents IA manquent encore de capacités (Apprentissage autonome + Généralisation).

Quand (et quand ne pas) utiliser des agents IA

Toutes les applications de LLM ne nécessitent pas une complexité agentique. De nombreux cas d'usage sont mieux servis par une génération augmentée par récupération (RAG) légère.

Les systèmes agentiques introduisent une surcharge architecturale : gestion de la mémoire, orchestration d'outils, gestion des erreurs et boucles de contrôle qui augmentent la latence et le coût. Par exemple, dans nos benchmarks, nous avons observé que les taux de réussite des agents IA diminuaient après 35 minutes d'interaction humaine.

Pour atténuer ces risques, il est essentiel de tester les systèmes agentiques dans des environnements contrôlés et de mettre en œuvre des garde-fous robustes avant le déploiement.

Les agents sont plus utiles lorsque les étapes ne peuvent pas être facilement prédites ou codées en dur. Ils sont particulièrement adaptés aux situations où :

• Les tâches sont dynamiques et multi-étapes, avec une logique de branchement ou des sous-objectifs peu clairs.
• L'utilisation d'outils est conditionnelle ou adaptative, nécessitant que le système choisisse quel outil invoquer en fonction de l'entrée ou de l'état antérieur.
• Une mémoire à long terme ou un contexte est nécessaire, entre les sessions ou les étapes d'exécution.
• L'exécution doit répondre au retour de l'environnement, comme les résultats d'API, les sorties de recherche ou les actions échouées.
• Une collaboration avec l'humain dans la boucle est nécessaire, où l'autonomie et la supervision doivent être combinées (par ex., copilotes IA).

D'un autre côté, les workflows ou les appels LLM sans état sont préférables lorsque :

• La logique de la tâche est statique ou prévisible, comme le remplissage de formulaires ou la transformation de contenu.
• Une faible latence est critique, comme dans les interactions avec l'utilisateur.
• La minimisation des coûts est essentielle, en particulier en évitant les appels LLM récursifs et l'orchestration complexe.

En savoir plus

Voici nos derniers benchmarks sur l'infrastructure couramment utilisée par les systèmes agentiques :

• Navigateurs distants : Comment l'infrastructure de navigateur permet aux agents d'interagir avec le Web en toute sécurité.
• Benchmark MCP navigateur : Meilleurs serveurs MCP pour l'utilisation d'outils et l'accès Web.

Exemples d'agents IA open source

Certains outils décrits comme des « agents IA » ne sont en réalité pas si agentiques ; ces systèmes (par ex., Devon PR-agent) sont en grande partie des workflows IA basés sur le RL, avec des LLM organisés à travers des chemins de code prédéfinis.

1. Frameworks d'agents (Créez le vôtre)

Bibliothèques modulaires et SDK pour les développeurs afin de construire des agents avec un contrôle sur la logique, la mémoire, les outils et l'orchestration.

✳️ Certains agents comme SmolAgents et Agno entrent à la fois dans les catégories frameworks d'agents et automatisation des workflows.

Frameworks d'agents généraux

Des frameworks qui se concentrent sur la construction d'agents, offrant des outils flexibles et personnalisables pour orchestrer des workflows, des configurations multi-agents et des cas d'usage généraux.

• LangGraph – Orchestration de workflows LLM basée sur les graphes – LangGraph est un logiciel propriétaire, mais il fournit une bibliothèque open source pour le développement d'agents. Idéal pour les pipelines RAG, la mémoire d'agent/ gestion d'état et les configurations multi-agents.
• AutoGen – Collaboration asynchrone multi-agents – Conçu pour coordonner des agents utilisant des outils via des API de type chat. Idéal pour automatiser des workflows complexes, en particulier dans la génération de code autonome.
• CrewAI – Framework multi-agents no-code/low-code – L'un des outils les plus faciles pour commencer, offrant des modèles d'agents prêts à l'emploi (par ex., agent de préparation de réunion).

Frameworks d'agents spécialisés

Des frameworks avec un focus spécialisé sur des types spécifiques de comportements d'agents ou d'intégrations d'agents.

• Camel – Simulation d'agents basée sur les rôles – Optimisé pour les agents collaboratifs et de jeu de rôle utilisant un raisonnement structuré. Idéal pour l'automatisation des workflows et la génération de données synthétiques.
• Mastra – Développement d'agents intégré au frontend – Basé sur JavaScript, idéal pour intégrer des agents dans des applications orientées utilisateur.
• PydanticAI – Contrôle d'agent minimal à typage sûr – Fournit une validation stricte et des chemins logiques transparents avec Pydantic.
• Cybersecurity IA (CAI) – Framework d'agents de cybersécurité piloté par l'IA – Fournit des tests d'intrusion, la découverte de vulnérabilités et des exercices red team avec des capacités humaines dans la boucle, en tirant parti des large language models et des intégrations avec des outils comme Nmap.
• Atomic Agents – Constructeur d'agents personnalisés granulaire orienté schéma – Conçu pour une structure d'agents granulaire et une logique composable.
• SmolAgents – SDK d'agent léger pour les développeurs – Abstraction minimale, achemine la logique via Python au lieu de JSON.

Environnements d'exécution d'agents (Agents autonomes préconstruits)

Agents préconstruits et autonomes que vous pouvez exécuter immédiatement (comme une application). Ils prennent généralement en charge l'exécution autonome de tâches à partir d'objectifs en langage naturel.

Entièrement autonomes :

• Auto-GPT – Décomposition d'objectifs et exécution autonome – Décompose les objectifs en sous-tâches et les accomplit en utilisant des outils, la mémoire et le raisonnement. Offre des agents préconstruits et une interface low-code.
• AIlice – Exécution de tâches généraliste locale – Exécute des tâches complexes sur l'appareil, prend en charge les outils locaux et la manipulation de fichiers. Vise à créer un assistant IA, similaire à JARVIS, basé sur le LLM open source.
• Manus IA – Opérations généralistes en bac à sable. Exécute des outils et des workflows dans un bac à sable sécurisé, capable de gérer des opérations multi-domaines et multi-étapes de manière autonome. Il a été acquis par Meta, s'intégrant à l'écosystème « Personal Ambient Intelligence » de Meta.⁵

Partiellement autonomes :

• BabyAGI – Exécuteur de boucle de tâches itératif – Crée, priorise et exécute des listes de tâches dans une boucle de rétroaction. Idéal pour les expériences de génération de tâches.

Basés sur navigateur/interface :

• AgentGPT – Agent autonome déployé dans le navigateur – Permet aux utilisateurs de créer et d'exécuter des agents de tâches via une interface Web. Léger, idéal pour l'expérimentation.
• OpenManus – Agent de navigateur persistant – Conçu pour des workflows couvrant plusieurs sessions dans des environnements de navigateur. Utilise des outils comme Playwright pour automatiser les interactions Web. Bon pour une utilisation dans les pipelines d'automatisation existants. L'installation est rapide avec Conda.

2. Automatisation et orchestration des workflows

Outils qui automatisent les workflows et intègrent plusieurs plateformes ou services, souvent avec la capacité d'intégrer des agents IA.

Agents généraux d'automatisation et d'intégration de workflows

Plateformes qui connectent des APIs, déclenchent des événements et automatisent des tâches, facilitant la construction et l'intégration de workflows entre différents systèmes.

• n8n – Automatisation visuelle des workflows et intégration d'API – Connecte des applications, des déclencheurs et des flux de données à l'aide d'un éditeur de nœuds. Il combine la construction visuelle no-code avec du JavaScript/Python personnalisé et prend en charge plus de 400 intégrations. Vous pouvez l'auto-héberger et exécuter des workflows d'agents IA avec LangChain. Idéal pour les personnes techniques.
• PlanExe – Outil de planification LLM-vers-Gantt/WBS – Planificateur IA similaire à la recherche approfondie d'OpenAI. Convertit des objectifs en langage naturel en chronologies structurées à l'aide de LlamaIndex.
• Agno ✳️ – Constructeur d'agents et de workflows convivial pour les développeurs – Il convient à la fois comme outil d'automatisation des workflows (aidant à automatiser les tâches et les workflows) et comme constructeur d'agents.
• SmolAgents ✳️ – SDK d'agent léger pour les développeurs – SmolAgents est suffisamment flexible pour s'adapter à la fois comme un SDK d'agent léger (pour les frameworks d'agents) et comme un outil de workflow (car il s'intègre aux modèles Hugging Face).
• Windmill – Plateforme de développement open source et moteur de workflows – Convertit des scripts en interfaces utilisateur, APIs et tâches cron ; prend en charge Python, TypeScript, Go et d'autres langages.
• Activepieces – Plateforme d'automatisation open source – Constructeur visuel de workflows auto-hébergé pour automatiser des tâches et intégrer des applications avec un minimum de codage. Il prend en charge 280+ serveurs MCP pour exécuter des tâches IA distribuées et des chaînes d'agents à grande échelle.
• Huginn – Automatisation Web et gestion d'agents – Construit des agents pour automatiser des tâches Web et la surveillance.
• Node-RED – Développement basé sur les flux pour l'IoT et les données en temps réel – Intègre des services et automatise des tâches avec un éditeur de flux basé sur le navigateur.

Orchestration de workflows multi-agents

Des frameworks conçus pour coordonner des agents en interaction dans des workflows structurés et intégrer des systèmes multi-agents.

• HyperAgent – Orchestration d'agents sur tout le cycle de vie logiciel – Les agents travaillent ensemble pour planifier, coder et vérifier les tâches d'ingénierie.
• Supercog – agentic – Orchestration modulaire avec des blocs logiques réutilisables – Conçu pour une automatisation évolutive, structurée et basée sur les équipes.

3. Automatisation et navigation Web

Les agents naviguent de manière autonome sur les sites Web et effectuent des tâches multi-étapes, telles que le remplissage de formulaires, l'extraction de données et l'automatisation de la navigation Web.

Agents Web autonomes et copilotes

Agents autonomes généralistes (compatibles Web):

• AgenticSeek – Agent de navigation Web entièrement autonome – Manus IA entièrement local. Spécialisé dans l'extraction de données et le remplissage de formulaires, automatisant les tâches Web.
• Agent-E – Agent d'automatisation de navigateur conscient du DOM – Se concentre sur l'interaction avec les pages Web en analysant le DOM (Document Object Model), idéal pour cliquer sur des boutons et remplir des formulaires.
• AutoWebGLM – Agent Web basé sur LLM – Utilise l'apprentissage par renforcement et la simplification HTML pour une meilleure navigation sur des sites Web complexes.

Agents de navigation Web basés sur la vision (multimodaux):

• Autogen extension WebSurfer – Agent Web multimodal – Combine texte et entrée visuelle (captures d'écran) pour améliorer l'interaction Web.
• Skyvern – Agent IA avec vision par ordinateur – Automatise les workflows en utilisant des LLM et la vision par ordinateur, en gérant à la fois les éléments textuels et visuels.
• WebVoyager – Agent Web à vision – Utilise du texte et des captures d'écran pour améliorer la navigation sur des sites Web riches en images.

Pour en savoir plus sur l'automatisation et la navigation Web open source, voici un aperçu structuré de certains des meilleurs outils et agents :

Agents d'utilisation d'ordinateur

Agents de navigation Web

Kits d'outils d'automatisation et de scraping Web

LLM-propulsée RPA Web et extensions de navigateur

Scrapers et crawlers Web IA

Outils de recherche Web IA

4. Agents de codage et de développement

Agents IA conçus pour aider aux tâches de codage, offrant un support en temps réel aux développeurs grâce à des suggestions de code, au débogage et à l'automatisation des tâches.

Agents de codage basés sur CLI

• Codex CLI – Outil d'interaction multimode (suggérer, éditer, exécuter) – Améliore les workflows des développeurs via la ligne de commande en offrant des suggestions et des modifications de code.
• OpenDevin – Assistant de codage IA open source – Aide aux tâches de programmation, offrant des suggestions de code pour divers langages. Notez qu'OpenDevin a récemment été renommé OpenHands pour refléter sa mission plus large d'« All Hands IA ».⁶
• Aider – Assistant de programmation en binôme IA – Intégré à votre terminal pour l'assistance au codage, prenant en charge l'autocomplétion, le débogage et l'automatisation des tâches.

Éditeurs de code IA

• Neovim – Éditeur de code intégré à l'IA – Plugins propulsés par l'IA fournissant des complétions de code et de la refactorisation.
• Visual Studio Code (VS Code) – Outil de complétion de code et de débogage propulsé par l'IA – Offre des suggestions de code et l'autocomplétion via GitHub Copilot, intégré aux environnements IDE pour les développeurs.
• Cursor – Éditeur de code intégré à l'IA – Construit avec une complétion de code en temps réel propulsée par l'IA.

Constructeurs d'applications à partir de prompts (Vibe coding)

Alternatives open source à v0 / lovable / Bolt :

• Dyad – Constructeur d'applications IA open source – Outil local-first, no-code pour construire des applications pilotées par l'IA avec des commandes en langage naturel.
• vx.dev – Constructeur d'applications IA open source – Un outil local-first, low-code axé sur la transformation de prompts en langage naturel en applications.

5. Agents de cybersécurité

Agents IA conçus pour améliorer les opérations de cybersécurité, y compris des tâches comme les tests d'intrusion, la découverte de vulnérabilités, les exercices red team et la détection autonome des menaces.

• YAWNING TITAN – Simulation de cybersécurité abstraite basée sur des graphes – Prend en charge la formation d'agents pour des opérations cybernétiques autonomes avec un focus sur les environnements basés sur des graphes.
• bumpgen – Agent de gestion de paquets – Met à niveau automatiquement les paquets npm (gestionnaire de paquets Node.js).
• Cyber-Security LLM Agents – LLM-driven cybersecurity tasks – Construit au-dessus d'AutoGen. Utilisé dans diverses applications de recherche pour démontrer l'automatisation EDR de ChatGPT et l'automatisation CI/CD pour l'ingénierie de détection.

6. Agents de création de contenu vidéo IA

Agents IA qui aident à générer, éditer et améliorer le contenu visuel et multimédia, y compris l'art, les images et les vidéos.

• Mochi – Génération texte-vers-vidéo – Convertit des prompts textuels en vidéo, en se concentrant sur la création de vidéos courtes. Bien adapté pour générer rapidement des vidéos à partir de descriptions textuelles.
• CogVideo – Génération texte-vers-vidéo – Convertit des prompts textuels en vidéo avec une haute fidélité, permettant la création image-vers-vidéo. Un outil plus avancé pour la génération de vidéos de haute qualité à partir de texte ou d'images.
• Allegro – Génération texte-vers-vidéo – Convertit des prompts textuels en vidéo en mettant l'accent sur la création de contenu créatif. Cet outil met l'accent sur la synthèse vidéo créative à partir de texte pour produire des récits visuels uniques.
• DALL·E (versions open source) – Génération texte-vers-vidéo – Génère des images à partir de descriptions textuelles, transformant des prompts écrits en contenu visuel détaillé et créatif.

Ne manquez pas nos benchmarks et analyses basées sur les données. Le bouton ouvre Google ; sélectionner AIMultiple confirme que vous souhaitez voir AIMultiple plus souvent dans les résultats de recherche Google.

Ajouter comme source préférée

7. Agents financiers

Agents IA qui fournissent une amélioration automatisée par apprentissage par renforcement ou une analyse de données financières en temps réel.

• FinRL – Apprentissage par renforcement automatisé pour le trading – Apprend et exécute de manière autonome des stratégies de trading basées sur les données du marché, s'adaptant à des environnements financiers dynamiques.
• OpenBB Terminal – Analyse de données financières – Fournit des informations financières autonomes pour le trading en temps réel, permettant aux professionnels de l'investissement de prendre des décisions de trading éclairées.

8. Agents de santé

Agents IA qui aident au diagnostic médical, au suivi des maladies et aux informations de santé en analysant les données des patients et les rapports médicaux.

• HIA (Health Insights Agent) – Analyse de rapports médicaux – Analyse les rapports médicaux et fournit des informations de santé.
  IA-HealthCare-Assistant – Diagnostic et suivi des maladies – Diagnostique et suit les maladies à l'aide des données des patients.

9. Agents de recherche

Agents IA qui aident à la collecte de données, aux revues de littérature et aux tests d'hypothèses, rationalisant le processus de recherche.

• ChemCrow – Agent de recherche en chimie autonome – Intègre des LLM avec des outils de chimie pour planifier et exécuter des tâches expérimentales et computationnelles complexes en analyse chimique.
• GPT Researcher – Assistant de recherche général autonome – Effectue des recherches en ligne structurées, analyse le contenu et compile des rapports de recherche détaillés avec une saisie minimale de l'utilisateur.

10. Agents d'analyse de données

Agents IA qui traitent, analysent et interprètent les données pour fournir des informations exploitables et soutenir la prise de décision.

Finance

• FinRobot – Agent d'analyse de données financières – Automatise l'interprétation et le reporting de données financières à l'aide de large language models.

Agents de business intelligence et d'interrogation

• Wren IA – Agent d'informations métier texte-vers-SQL – Convertit des questions en langage naturel en requêtes SQL pour le reporting métier.
• Entaoai – Outil d'ingénierie de données assisté par GenAI – Fournit une interface de chat pour les tâches d'interrogation et de transformation de données.
• Vanna IA – Agent langage naturel vers SQL – Génère des requêtes SQL basées sur les prompts de l'utilisateur pour explorer des jeux de données structurés.

Agents pour les réseaux sociaux

• Twitter Personality Agent – Agent d'analyse des réseaux sociaux – Analyse l'historique des tweets pour déduire des traits comportementaux et de personnalité.

11. Agents d'assistance personnelle

Agents IA qui aident à la gestion des tâches, à la planification et à l'organisation personnelle, améliorant la productivité et la gestion du temps.

• VacAIgent (agent CrewAI préconstruit) – Assistant de planification de voyage – Génère de manière autonome des itinéraires de voyage complets à l'aide de Streamlit et de LLM.
• Inbox Zero – Assistant e-mail – priorise, classe et résume les messages à l'aide du traitement du langage naturel et de l'intégration Gmail.
• Cal – Agent de planification de calendrier – Automatise la création, le report et la synthèse de réunions via une interaction basée sur LLM.

Construire des systèmes d'agents IA

De nombreux frameworks IA sont contrôlés par un seul fournisseur ou des dépôts publics, mais étroitement régis.

Ces projets évoluent souvent vers des modèles open core : le code de base reste gratuit, mais l'orchestration multi-agents, l'observabilité ou le contrôle fin peuvent être soumis à des licences commerciales. Dans certains écosystèmes « ouverts », l'utilisation en production nécessite souvent l'achat d'un backend verrouillé.

Source⁷

Projets d'agents IA du monde réel

D'après notre expérience, voici quelques agents IA et leurs applications :

• Éditeurs de code IA pour le développement d'API et la construction d'applications
• Exécution de capture d'écran vers code pour la génération de sites Web IA
• Agents d'utilisation d'ordinateur pour commander des livraisons, faire une réservation de restaurant ou concevoir une pièce.

Autres projets d'agents IA autonomes :

Autres projets d'agents IA par framework :

Pour aller plus loin

• Comparer 20 LLM outils de sécurité et frameworks open source

Citer cette recherche

Choisissez le format qui correspond à votre lieu de publication. Coller la version avec lien dans votre CMS préserve le lien retour.

@misc{dilmegani2026,
  author = {Dilmegani, Cem and Şimşek, Hazal},
  title  = {{Meilleurs 50+ agents IA open source répertoriés}},
  year   = {2026},
  month  = aug,
  howpublished    = {\url{https://aimultiple.com/open-source-ai-agents}},
  note   = {AIMultiple. Consulté le 16 Août 2026}
}

Liens de référence

1.

Reflection Agents

LangChain Blog

2.

Simon Willison on ai-agents

3.

Building Effective AI Agents \ Anthropic

4.

AI Agents: What They Are and Their Business Impact | BCG

Boston Consulting Group

5.

Manus Joins Meta for Next Era of Innovation

6.

One Year of OpenHands: A Journey of Open Source AI Development | Mar 17, 2025

7.

Dapr Agents: AI Agents & Workflows for Production

Diagrid

Cem Dilmegani

Analyste principal

Suivre

Cem est analyste principal chez AIMultiple depuis 2017. AIMultiple informe des centaines de milliers d'entreprises (selon SimilarWeb) dont 60 % du Fortune 500 chaque mois.

Les travaux de Cem ont été cités par des publications internationales de premier plan telles que Business Insider, Forbes, Washington Post, des entreprises mondiales comme Deloitte, HPE et des ONG comme le Forum économique mondial et des organisations supranationales comme la Commission européenne.

Tout au long de sa carrière, Cem a exercé en tant que consultant tech, acheteur tech et entrepreneur tech. Il a conseillé des entreprises sur leurs décisions technologiques chez McKinsey & Company et Altman Solon pendant plus d'une décennie. Il a également publié un rapport McKinsey sur la numérisation.

Il a dirigé la stratégie technologique et les achats d'un opérateur télécom tout en rendant compte au PDG. Il a également mené la croissance commerciale de l'entreprise deep tech Hypatos qui a atteint un chiffre d'affaires récurrent annuel à 7 chiffres et une valorisation à 9 chiffres à partir de 0 en 2 ans. Le travail de Cem chez Hypatos a été couvert par des publications technologiques de premier plan comme TechCrunch et Business Insider.

Cem intervient régulièrement lors de conférences technologiques internationales. Il est diplômé de la Bogazici University en tant qu'ingénieur informatique et détient un MBA de la Columbia Business School.

Voir le profil complet

Recherche effectuée par

Hazal Şimşek

Analyste sectorielle

Suivre

Hazal est analyste sectorielle chez AIMultiple, spécialisée dans l'intelligence des processus (y compris le process mining) et l'automatisation d'entreprise (y compris l'automatisation informatique et l'automatisation low-code/no-code).

Voir le profil complet

Soyez le premier à commenter

Votre adresse courriel ne sera pas publiée. Tous les champs sont obligatoires. Les commentaires sont laissés dans leur langue d'origine.

Nom

Adresse email

Commentaire

0/450

Publier un commentaire